Cette étude doctorale porte sur les indices d’ajustement des scores individuels dérivés de la Théorie des réponses aux items (TRI). Les deux concepts retenus dans le cadre de cette recherche sont les taux de détection et les points critiques. Le premier et le troisième article traitent des taux de détection tandis que le deuxième article traite des points critiques. Le premier article étudie la relation entre la puissance des indices et l’ajustement des modèles logistiques à 2 et à 3 paramètres de la TRI aux données. Les résultats suggèrent que pour que les indices soient puissants, un modèle qui correspond à la distribution des données doit être préféré à un modèle qui épouse les données. Dans le deuxième article, nous avons élaboré des points critiques pour la statistiques lz qui peuvent être utilisés dans des contextes semblables à ceux étudiés dans le cadre du premier article. Les résultats obtenus, dans le deuxième article, démontrent qu’il est possible de créer une table des points critiques. Les intervalles de confiance calculés pour chaque point critique indiquent que ces derniers sont précis. Lors de la mise à l’essai de ces points critiques, il a été observé que les taux d’erreur de type I sont conservateurs. Ceci est plus prononcé pour l’erreur de type I de 0,01. Quant aux taux de détection pour les niveaux d’erreur de type I de 0,05 et 0,10, ils sont légèrement inférieurs à ceux recensés dans la documentation. Dans le troisième article, il est question de la relation entre les taux de détection des indices d’ajustement des scores individuels et le taux d’aberrance des patrons de réponses. Les résultats de ce troisième article suggèrent l’existence du phénomène du taux d’aberrance optimal. Il y a une augmentation du taux de détection des indices d’ajustement des scores individuels avec l’augmentation du taux d’aberrance jusqu’à l’atteinte d’un sommet. Par la suite, une augmentation du taux d’aberrance entraîne une diminution du taux de détection. Ces derniers résultats nous permettre d’expliquer un phénomène qui n’avait jamais été formellement étudié auparavant. / This doctoral research on Item Response Theory (IRT)-based Person-Fit Statistics (PFS) is comprised of three studies. This research was divided in such a way so we could study two key concepts: the detection rates and the critical values of PFS. In the first and third study, detection rates were studied. The second study focused on the critical values of a PFS. In the first article, we observed that the PFS were more accurate when they were used with parametric estimated ICCs (ML2P and ML3P), and this was independent of the sample size. It seems necessary to verify the model-data fit before carrying out appropriateness assessment with IRT-based PFS. Following the development of a table of critical values, in the second article, the degrees of confidence were calculated for each interval and these results lead us to believe that the critical values were precise. These critical values were tested and it was observed that the type I error rates were conservative but the detection rates observed for .05 and .10 type I error levels were slightly inferior to the detection rates found in the literature. In the third article, we investigated the optimal aberrance phenomenon, i.e., we observed an increase in the detection rate of PFS with an increase in the aberrance rate until a peak was reached and then an increase in the aberrance rate lead to a decrease in the detection rates of PFS. These last results help us to explain a phenomenon that was never previously studied.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/19733 |
| Date | 13 April 2018 |
| Creators | St-Onge, Christina |
| Contributors | Valois, Pierre |
| Source Sets | Université Laval |
| Language | French |
| Detected Language | French |
| Type | thèse de doctorat, COAR1_1::Texte::Thèse::Thèse de doctorat |
| Format | 142 p., application/pdf |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0018 seconds